第1章绪论
1.1数字图像与数字图像处理
1.2数字图像处理系统的组成
1.3图像处理技术研究的基本内容
1.4图像处理技术的应用领域
习题1
第2章数字图像处理基础
2.1电磁波谱与可见光谱
2.2人眼的亮度视觉特性
2.2.1视觉适应性
2.2.2同时对比效应
2.2.3马赫带效应
2.2.4视觉错觉
2.3图像的表示
2.3.1简单的图像成像模型
2.3.2数字图像的表示
2.4空间分辨率和灰度级分辨率
2.4.1空间分辨率和灰度级分辨率
2.4.2采样数变化对图像视觉效果的影响
2.4.3空间分辨率变化对图像视觉效果的影响
2.4.4灰度分辨率变化对图像视觉效果的影响
2.5像素间的关系
2.5.1像素的相邻和邻域
2.5.2像素的邻接性与连通性
2.5.3像素间距离的度量
2.6图像的显示
2.6.1显示分辨率与图像分辨率
2.6.2光度分辨率与灰度分辨率
2.6.3彩色模型
2.6.4位图
2.6.5调色板
2.7图像文件格式
2.7.1位图文件头
2.7.2位图信息头
2.7.3位图调色板
2.7.4图像的位图数据
习题2
第3章数字图像的基本运算
3.1灰度反转
3.2对数变换
3.3灰度直方图
3.3.1灰度直方图的概念及分布特征
3.3.2归一化灰度图像直方图
3.3.3灰度直方图的特征
3.4二维直方图
3.5图像的代数运算
3.5.1图像的相加运算
3.5.2图像的相减运算
3.6图像的几何运算
3.6.1图像平移变换
3.6.2图像旋转变换
3.6.3图像镜像变换
3.6.4图像转置变换
3.6.5图像缩放
习题3
第4章空间域图像增强
4.1基于点运算的灰度图像增强方法
4.1.1对比度拉伸
4.1.2窗切片
4.2基于直方图的图像增强方法
4.2.1直方图均衡
4.2.2直方图规定化
4.3图像锐化
4.3.1梯度法
4.3.2拉普拉斯锐化算子
4.3.3模板运算原理
4.4图像噪声消除
4.4.1邻域平均
4.4.2中值滤波
习题4
第5章频率域图像增强
5.1二维离散傅里叶变换
5.1.1二维离散傅里叶变换的定义及意义
5.1.2二维离散傅里叶变换的若干重要性质
5.1.3图像的傅里叶频谱特性分析
5.1.4快速离散傅里叶变换及其实现
5.2频率域图像处理的基本实现思路
5.2.1基本实现思想
5.2.2转移函数的设计
5.3基于频率域的图像噪声消除——频率域低通滤波
5.3.1理想低通滤波器
5.3.2巴特沃斯低通滤波器
5.3.3高斯低通滤波器
5.4基于频率域的图像增强——频率域高通滤波
5.4.1理想高通滤波器
5.4.2巴特沃斯高通滤波器
5.4.3高斯高通滤波器
5.5带阻滤波和带通滤波
5.5.1带阻滤波器
5.5.2带通滤波器
习题5
第6章图像恢复
6.1图像的退化模型
6.1.1常见退化现象的物理模型
6.1.2图像退化模型的表示
6.1.3离散退化模型
6.1.4图像的离散退化模型
6.2空间域图像的恢复
6.2.1无约束最小二乘方恢复
6.2.2有约束最小二乘方恢复
6.3频率域图像的恢复
6.4匀速直线运动模糊的恢复
6.5图像噪声与被噪声污染图像的恢复
6.5.1图像噪声
6.5.2被噪声污染图像的恢复
6.6几何失真的校正
6.6.1坐标的几何校正
6.6.2灰度值恢复
习题6
第7章图像压缩编码
7.1DCT变换
7.1.1一维DCT
7.1.2二维偶DCT
7.1.3DCT变换的基函数与基图像
7.2数字图像压缩编码基础
7.2.1图像压缩的基本概念
7.2.2图像质量（相似度）评价——保真度准则
7.2.3图像编码模型
7.2.4独立信源与信息量
7.3几种最基本的变长编码方法
7.3.1费诺码
7.3.2霍夫曼编码
7.3.3几种接近最佳的变长编码
7.3.4算术编码
7.4位平面编码
7.4.1位平面分解
7.4.2位平面的格雷码分解编码
7.5游程编码
7.6变换编码
7.6.1变换编码的过程
7.6.2子图像尺寸选择
7.6.3变换的选择
7.6.4变换系数的量化和编码
7.6.5变换解码
习题7
第8章小波图像处理
8.1小波变换与图像小波变换
8.1.1小波的概念和特性
8.1.2连续小波变换
8.1.3离散小波变换
8.1.4二进小波变换
8.1.5塔式分解与Mallat算法
8.1.6图像的小波变换
8.2基于图像小波变换的嵌入式零树编码
8.2.1基于小波变换的图像压缩基本思想
8.2.2嵌入式编码与零树概念
8.2.3小波系数及其扫描方法
8.2.4嵌入式零树编码方法
8.2.5解码恢复图像小波变换矩阵
8.2.6嵌入式小波零树编码的渐进传输特性
8.3基于小波变换的图像去噪方法
8.3.1小波去噪方法研究进展
8.3.2小波收缩阈值去噪方法
习题8
第9章图像分割
9.1图像分割的概念
9.2基于边缘检测的图像分割
9.2.1图像边缘的概念
9.2.2Hough变换
9.3基于阈值的图像分割
9.3.1基于阈值的分割方法
9.3.2基于双峰形直方图的阈值选取
9.3.3其他阈值选取方法
9.4基于跟踪的图像分割
9.4.1轮廓跟踪法
9.4.2光栅跟踪法
9.5基于区域的图像分割
9.5.1区域生长法
9.5.2分裂合并法
习题9
第10章图像特征提取
10.1图像的边缘特征及其检测方法
10.1.1图像边缘的特征
10.1.2梯度边缘检测
10.1.3二阶微分边缘检测
10.1.4Marr边缘检测算法
10.2图像的点与角点特征及其检测方法
10.2.1图像点特征及其检测方法
10.2.2图像角点的概念
10.2.3SUSAN角点检测算法
10.3图像的纹理特征及其描述和提取方法
10.3.1图像纹理的概念和分类
10.3.2图像纹理的主要特性及描述与提取方法
10.3.3基于灰度直方图统计矩的纹理特征描述与提取方法
10.3.4基于灰度共生矩阵的纹理特征提取方法
10.3.5基于结构方法的纹理描述
10.3.6基于频谱方法的纹理描述
10.4图像的形状特征
10.4.1矩形度
10.4.2圆形性
10.4.3球状性
10.5图像的统计特征
习题10
第11章彩色与多光谱图像处理
11.1彩色视觉
11.1.1三基色原理
11.1.2CIE色度图
11.2彩色模型
11.2.1RGB彩色模型
11.2.2HSI彩色模型
11.2.3RGB彩色模型到HSI彩色模型的转换
11.2.4HSI彩色模型到RGB彩色模型的转换
11.3彩色变换
11.3.1反色变换
11.3.2彩色图像的灰度化
11.3.3真彩色转变为256色
11.3.4彩色平衡
11.4彩色图像增强
11.4.1真彩色增强
11.4.2伪彩色增强
11.4.3假彩色增强
11.5彩色图像的平滑
11.5.1基于RGB彩色模型的彩色图像平滑
11.5.2基于HSI彩色模型的彩色图像平滑
11.6彩色图像的锐化
11.7彩色图像的边缘检测
11.8彩色图像的分割
11.8.1HSI模型的彩色图像分割
11.8.2RGB模型的彩色图像分割
11.9多光谱与高光谱图像处理简介
11.9.1多光谱图像处理简介
11.9.2高光谱图像处理简介
习题11
第12章形态学图像处理
12.1集合论基础
12.1.1集合的概念
12.1.2集合间的关系和运算
12.2二值形态学的基本运算
12.2.1腐蚀
12.2.2膨胀
12.2.3开运算和闭运算
12.2.4二值形态学基本运算性质
12.3二值图像的形态学处理
12.3.1形态滤波
12.3.2边界提取
12.3.3区域填充
12.3.4骨架提取
12.3.5物体识别
12.4灰度形态学基本运算
12.4.1灰度腐蚀
12.4.2灰度膨胀
12.4.3灰度开运算和灰度闭运算
12.4.4灰度形态学基本运算的性质
12.5灰度形态学处理算法
12.5.1形态学平滑
12.5.2形态学梯度
12.5.3高帽（tophat）变换
习题12
第13章目标表示与描述
13.1边界表示
13.1.1链码
13.1.2多边形
13.1.3标记
13.1.4边界线段
13.2边界描述
13.2.1简单的边界描述子
13.2.2形状数
13.2.3傅里叶描述子
13.2.4统计矩
13.3区域表示
13.3.1区域标示
13.3.2四叉树表示
13.3.3骨架表示
13.4区域描述
13.4.1几种简单的区域描述子
13.4.2拓扑描述子
13.4.3不变矩
13.5关系描述
13.5.1串描述子
13.5.2树描述子
习题13
附录AN=4时的二维DCT变换基图像的原始数据
附录B本书中的彩色图像插图
参考文献
